Safe Motion Planning and Control Using Predictive and Adaptive Barrier Methods for Autonomous Surface Vessels

📄 arXiv: 2510.01357v1 📥 PDF

作者: Alejandro Gonzalez-Garcia, Wei Xiao, Wei Wang, Alejandro Astudillo, Wilm Decré, Jan Swevers, Carlo Ratti, Daniela Rus

分类: cs.RO

发布日期: 2025-10-01

备注: IROS 2025

💡 一句话要点

提出基于预测和自适应控制屏障函数的自主水面艇安全运动规划方法

🎯 匹配领域: 支柱一：机器人控制 (Robot Control)

关键词: 自主水面艇 运动规划 模型预测控制 控制屏障函数 安全导航

📋 核心要点

  1. 传统运动规划方法在计算上通常很密集或过于保守，难以满足自主船舶在复杂环境下的安全运动规划需求。
  2. 论文提出结合MPC和CBF的安全运动规划策略，通过自适应调整障碍物膨胀半径，降低控制器的保守性。
  3. 仿真和真实实验验证了该策略在狭窄空间导航中的有效性，能够实时解决死锁并确保船舶安全。

📝 摘要（中文）

本文提出了一种结合模型预测控制（MPC）和控制屏障函数（CBF）的安全运动规划策略，用于自主船舶在狭窄内陆水道等复杂环境中安全航行。该方法引入了一种时变膨胀椭圆障碍物表示，其膨胀半径根据船舶与障碍物之间的相对位置和姿态进行调整。与传统的固定椭圆障碍物表示相比，这种自适应膨胀降低了控制器的保守性。MPC解提供了一个近似的运动规划，而高阶CBF利用变化的膨胀半径确保船舶的安全。仿真和真实实验表明，该策略使全驱动自主机器人船能够实时地在狭窄空间中导航，解决潜在的死锁，同时确保安全。

🔬 方法详解

问题定义：自主水面艇在狭窄水域（如内陆水道）的安全运动规划问题。现有方法，如传统的运动规划算法，要么计算复杂度高，难以实时应用；要么过于保守，导致船舶无法有效利用可用空间，甚至无法通过狭窄区域。因此，需要在保证安全的前提下，提高运动规划的效率和灵活性。

核心思路：结合模型预测控制（MPC）和控制屏障函数（CBF）。MPC提供一个初步的、近似的运动规划轨迹，而CBF则作为安全约束，确保船舶在执行MPC规划的轨迹时，不会与障碍物发生碰撞。关键在于，障碍物采用时变膨胀椭圆表示，膨胀半径根据船舶与障碍物的相对状态自适应调整，从而降低保守性。

技术框架：整体框架包含以下几个主要部分：1) 环境感知模块，用于获取障碍物的位置和形状信息；2) 障碍物表示模块，将障碍物表示为时变膨胀椭圆；3) MPC运动规划模块，生成初步的运动轨迹；4) CBF安全约束模块，利用高阶CBF对MPC的输出进行修正，确保安全；5) 船舶控制模块，执行最终的运动指令。

关键创新：最关键的创新在于提出了自适应膨胀椭圆障碍物表示方法。与传统的固定大小的椭圆障碍物表示相比，该方法能够根据船舶与障碍物的相对位置和姿态，动态调整椭圆的膨胀半径。当船舶远离障碍物时，膨胀半径较小，允许船舶更自由地运动；当船舶接近障碍物时，膨胀半径增大，提供更强的安全保障。这种自适应调整显著降低了控制器的保守性。

关键设计：膨胀半径的计算公式是关键。论文中，膨胀半径是关于船舶与障碍物之间相对距离和角度的函数。具体形式未知，但可以推断，该函数的设计需要保证：1) 膨胀半径随着距离的减小而增大；2) 膨胀半径能够反映船舶姿态对碰撞风险的影响；3) 膨胀半径的变化是连续的，以保证CBF的有效性。此外，高阶CBF的设计也至关重要，它需要能够处理船舶的非线性动力学特性，并保证安全约束的有效性。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

论文通过仿真和真实实验验证了所提出方法的有效性。实验结果表明，该方法能够使自主船舶在狭窄空间中实时导航，并有效解决潜在的死锁问题，同时确保船舶的安全。与传统的固定椭圆障碍物表示方法相比，该方法显著降低了控制器的保守性，提高了船舶的运动灵活性。具体的性能数据未知。

🎯 应用场景

该研究成果可应用于各种自主水面艇，例如自主渡轮、水上机器人、海上巡逻艇等。尤其适用于需要在狭窄水域或复杂环境中安全航行的场景，例如港口、内河航道、养殖区域等。通过提高自主船舶的安全性、效率和灵活性，可以降低运营成本，提高运输效率，并减少人为事故的发生。

📄 摘要（原文）

Safe motion planning is essential for autonomous vessel operations, especially in challenging spaces such as narrow inland waterways. However, conventional motion planning approaches are often computationally intensive or overly conservative. This paper proposes a safe motion planning strategy combining Model Predictive Control (MPC) and Control Barrier Functions (CBFs). We introduce a time-varying inflated ellipse obstacle representation, where the inflation radius is adjusted depending on the relative position and attitude between the vessel and the obstacle. The proposed adaptive inflation reduces the conservativeness of the controller compared to traditional fixed-ellipsoid obstacle formulations. The MPC solution provides an approximate motion plan, and high-order CBFs ensure the vessel's safety using the varying inflation radius. Simulation and real-world experiments demonstrate that the proposed strategy enables the fully-actuated autonomous robot vessel to navigate through narrow spaces in real time and resolve potential deadlocks, all while ensuring safety.